Новости

Пользователи разработанного решения — операционные руководители, HR-менеджеры и директора магазинов. Система помогает им принимать управленческие решения на основании аналитики всех показателей (в том числе штатного расписания, графиков работы, комплектности и дисциплины в магазине и т. д.), а также эффективно управлять фондом оплаты труда и достигать поставленных KPI.

Все данные по сотрудникам визуализированы в виде интерактивных дашбордов, отражающих актуальную ситуацию, прогнозы по показателям и рекомендации на основе алгоритмов больших данных. Когда директор магазина принимает рекомендации, предложенные системой, решение автоматически передается в смежные отделы для реализации процессов найма, перераспределения рабочего графика и штатных позиций в магазинах торговой сети.

Как отмечает Лилия Дерябина, директор по персоналу торговой сети «Перекресток», система Clue – это цифровой data-driven помощник, он позволяет директорам супермаркетов осуществлять «умное целеполагание». При этом смежные задачи коррелируют между собой, например, целевой показатель по фонду оплаты труда и по производительности. Важно, что каждая задача подстраивается под конкретный регион, город и супермаркет – исходя из уникальных факторов данного кластера и сопоставимых магазинов.

Сейчас проект находится на этапе пилота и реализован в 100 магазинах в 6 регионах присутствия, а до конца 2021 года будет масштабирован на всю сеть. Система Clue разработана торговой сетью «Перекресток» и вместе с другими продуктами по цифровизации и автоматизации позволяет сделать процесс работы и управления линейным персоналом удобным и прозрачным.

Реализованный «Открытием» проект обеспечит непрерывность процесса разработки и внедрения моделей машинного обучения с последующей их интеграцией в бизнес-процессы банка. Развернутая при помощи Neoflex архитектура автоматизирует управление моделями, работа с ними ведется в отдельном безопасном тестовом окружении, осуществляется автоматический перенос изменений в промышленную среду.

Банку удалось выстроить процессы по развитию команд моделистов, обеспечив их передовыми технологиями. Для разработки моделей машинного обучения реализован доступ к корпоративным хранилищам данных, настроены готовые образы рабочих мест для команд с различным стеком библиотек машинного обучения.

Для создания платформы моделирования была применена методология и практика MLOps – объединение технологий разработки моделей (Dev) и эксплуатации моделей (Ops). Автоматизация и мониторинг данных, моделей, процессов на всех этапах эксплуатации платформы моделирования – прочный фундамент для дальнейшего развития процессов машинного обучения.

Автоматизированные процессы переноса моделей из контура разработки в контур применения позволят в будущем сократить time-to-market задач по внедрению машинного обучения в процессы принятия банком решений, а также снизить операционный риск ручного переноса логики моделей между системами.

Как отмечает Павел Николаев, управляющий директор департамента интегрированных рисков банка «Открытие», с внедрением промышленной платформы моделирования вопрос подключения нового специалиста к команде моделистов должен занимать не более одного дня. Каждая команда разработчиков работает в собственной среде с динамическим расширением ресурсов для обучения модели. Также появилась возможность оперативного переноса моделей из среды разработки в среду применения для различных команд. Именно за счет такой гибкости платформа была выбрана как основа для общебанковской платформы.

С 2014 года FrieslandCampina в России использует для работы с договорной документацией и доверенностями СЭД на базе платформы Docsvision. В марте 2021 года она завершила работы по обновлению системы и доработке ее функциональности. Проект выполнен при помощи «Диджитал Дизайн».

В первую очередь для увеличения производительности системы было произведено ее обновление до версии платформы Docsvision 5.5, а самые масштабные изменения затронули процесс согласования договорной документации в части определения маршрута и способа хранения шаблонов. Теперь в системе хранится более 100 шаблонов договоров. На основе выбранного типа договора и заполненной карточки система добавляет шаблон документа и определяет маршрут согласования. Таким образом решение было переведено с варианта использования вендорского конструктора согласования на новый фреймворк определения необходимого маршрута. При этом решение использует динамически меняющийся маршрут, позволяющий быстро согласовывать документы, по которым у экспертов не возникло вопросов, в то время как договоры, требующие доработок, рассматривает более широкий круг экспертов.

Для удобства пользователей был внедрен сервис почтовых уведомлений, позволяющий выполнять задания по рассмотрению договорных документов непосредственно из электронной почты. Информационное письмо содержит все нужные данные о задании и файлы для ознакомления, и исполнителю теперь не нужно переходить в СЭД для выполнения операции. Также была настроена структура папок хранения, а их содержимое отображается в соответствии с ролью пользователя.

За счет обновления системы, нового подхода к работе с шаблонами документов и автоматического определения маршрута согласования удалось повысить операционную эффективность процесса запуска договора с учетом его вариативности. Также была повышена производительность и улучшена эргономика системы, создана техническая база для ее дальнейшего развития.

На данный момент система запущена в промышленную эксплуатацию во всех цехах основного производства НПО «Энергомаш». В ней работают более 400 сотрудников – начальники цехов и их заместители, мастера и начальники участков, производственные рабочие, специалисты службы качества и специалисты службы повышения операционной эффективности производства.

Система цехового управления «Галактика MES» образует полный контур информационного обеспечения производственного процесса предприятия совместно с решением по управлению производством на межцеховом уровне «Галактика АММ» и системой управления ресурсами предприятия «Галактика ERP». При этом из системы можно получать данные о производственных операциях в реальном режиме времени за счет оперативного ввода данных производственным персоналом с помощью терминалов сбора данных, установленных на производственных участках предприятия и оснащенных сканерами штрих-кодов и считывателями магнитных карт.

В результате внедрения системы около 90% нарядов на выполненные работы автоматически формируется в электронном виде, а вся заработная плата основного производственного персонала рассчитывается в ERP на основе данных из MES-системы. Подтверждение мастерами выполненных операций, приемка операций контролерами службы качества также осуществляется в АРМах системы как в основном клиенте, так и на терминалах.

Для передачи данных между системами, обеспечения их целостности и актуальности было использовано решение «Галактика ESB» – промышленная шина данных, которая связала между собой системы управления производством, ресурсами и другие системы предприятия в единое информационное пространство.

Проект стартовал в 2019 году с внедрения модуля операционного управления на базе «Галактика АММ», который закрывал основные потребности НПО «Энергомаш»: ручное формирование расписания участка, выдачу сменных заданий исполнителям, отметку факта выполнения заданий и формирования нарядов на выполненные работы.

В дальнейшем потребности предприятия увеличились, и было принято решение о переходе на полнофункциональный модуль оперативного управления цехового уровня «Галактика MES», который поддерживает полноценную работу с графиками работы персонала и технологического оборудования, решает задачи построения и оптимизации операционного расписания.

В ближайшей перспективе НПО «Энергомаш» рассматривает дальнейшее развитие возможностей оперативного цехового управления за счет использования функционала автоматизированного построения расписания и интеграции с системой мониторинга производственного оборудования (СМПО). В итоге в компании будет завершено построение системы информационной поддержки хода производственного процесса полного цикла от выдачи задания до обработки детали на станке, в результате чего появится возможность анализа загрузки оборудования, персонала и более эффективного использования всех видов ресурсного обеспечения.

Переход на ГосОблако Минцифры и ЦЭКИ ведут с 2019 года. На сегодняшний день в эксперименте принимают участие 20 ведомств, а в конце 2021 года планируется подключить еще шесть госструктур. По результатам эксперимента проект будет масштабирован на все органы власти.

ГосОблако выполняет роль инфраструктурного фундамента, который предоставляет вычислительные ресурсы, обеспечивает безопасность данных, в том числе благодаря использованию преимущественно российского ПО и оборудования. За счет использования облачной платформы ведомства экономят на обслуживании собственной ИТ-инфраструктуры, что позволяет оптимизировать расходование выделенного бюджета.

Как отметил директор департамента цифровой трансформации и координации бюджетных расходов Минцифры России Василий Слышкин, активная цифровизация госорганов сопровождается увеличением количества запросов, регистрируемых во ФГИС КИ. В системе происходит согласование закупок, которые поддерживают деятельность ведомств, следовательно, сбои в ее работе недопустимы. В ходе проекта удалось реализовать бесшовный переход на облачную платформу и обеспечить непрерывное функционирование системы.

Функции ФГИС КИ направлены на реализацию ведомственных программ цифровой трансформации, которые включают планирование закупок оборудования и ИТ-решений в соответствии с едиными стандартами цифровизации госорганов.

На платформе SAP Commerce Cloud объединены офлайн- и онлайн-магазины «Рив Гош», реализована омниканальная программа лояльности и возможность самовывоза из любого магазина сети. Подключены онлайн-оплаты, возможность записи на мероприятия и услуги в салоны красоты, а также проведена интеграция с маркетплейсами. Проект был реализован за шесть месяцев при участии команды SAP Services и Novardis.

После миграции на облачную систему был произведен редизайн страниц интернет-магазина и обновлено приложение для клиентов, где в личном кабинете покупатель может работать со всеми своими заказами, подписками и списками избранных товаров. Улучшенный функционал системы повысил уровень обслуживания и сервис, получаемый клиентами, что в целом увеличило лояльность покупателей к бренду.

Как отметил Александр Хохлов, ИТ–директор «Рив Гош», в результате перехода на облачную платформу компания получила систему со стандартизированными процессами обновления, попутно увеличив ее производительность в моменты пиковых нагрузок. Кроме того, облачная подписка позволила снизить затраты на поддержку собственной инфраструктуры и проблем с персоналом, позволив сосредоточиться на разработке дополнительного функционала для удобства клиентов и дальнейшем развитии бизнеса компании. Благодаря микросервисной архитектуре компания может оперативно реагировать на новые тренды в развитии продуктов электронной коммерции.

На основе внедренного решения создан единый источник знаний для операторов контакт-центра, содержащий статьи о продуктах и услугах Qiwi. Для точного и быстрого поиска информации в компании сделали логичнее и понятнее структуру базы знаний, а материалы стали емкими, единообразными и легко читаемыми. Также эксперты разработали шаблоны для статей, которые упростили сравнение продуктов или сервисов по отдельным параметрам, а также исключили риск того, что в статью забудут внести важную информацию. Через три месяца после запуска проекта сотрудники стали тратить на поиск информации менее 5 секунд, а число ошибок в консультациях уменьшилось в шесть раз.

Как отмечает Любовь Дубовицкая, руководитель отдела автоматизации проектов департамента клиентского сервиса Qiwi, внедрение Naumen KMS стало не только возможностью реорганизовать структуру базы знаний, но и кардинально поменять ее содержание, привести статьи к единому и понятному для всех визуальному оформлению.

Еще одним нововведением стало внедрение персонализированной ленты обновлений в соответствии с ролью пользователя. Осведомленность операторов обо всех изменениях в контенте поддерживается с помощью системы оповещений: прочтение приоритетных для сотрудника сообщений подтверждается мини-тестом или нажатием кнопки. Таким образом проходит мониторинг ознакомления с обновлением материалов.

Следующем этапом сотрудничества Naumen и Qiwi станет автоматизация корпоративного обучения операторов.

По свидетельству участников исследования, гибридные облака сейчас — наиболее предпочтительный вариант: его используют в 35% организаций по всему миру. Весьма широко применяются и частные облака: в них выполняются 24% всех рабочих нагрузок. Результат публичных облаков — 16%, по сравнению с прошлым годом он почти не изменился. Почти в каждой десятой компании (9%) используются мультиоблачные решения. В таких организациях предпочтение отдается лучшим решениям от различных провайдеров, что помогает избежать привязки к одному поставщику. Как правило, в числе таких решений — репозитории данных и технологии оркестрации инфраструктуры.

Хотя количество организаций, пользующихся облаками в каком-либо объеме, осталось по сравнению с предыдущими годами без изменений, доля компаний, которые выполняют в облаке сложные рабочие нагрузки, выросла на 25%: если в 2020 году их было 15,5%, то в 2021-м — уже 19,6%. Для компаний по-прежнему большое значение имеют вопросы информационной безопасности и нехватки нужных навыков и компетенций, однако, судя по статистике, в коммерческих предприятиях за последнее время стали более уверенно переносить в облака важные рабочие нагрузки и в целом активнее осваивать облачные сервисы. Среди провайдеров львиной долей рынка, как и в предыдущие годы, владеют AWS и Azure — в совокупности этим операторам принадлежит 65% общего объема рынка, однако их догоняет Google Cloud Platform.

Значительная доля организаций сейчас делает первые шаги на пути перехода в облако. При этом весьма популярными становятся торговые площадки соответствующей направленности — почти половина (45%) компаний пользуется ими, поскольку такие площадки предлагают скидки, в том числе на начальные инвестиции, и помогают уменьшать риски. Среди подобных поощрений клиентов больше всего привлекает схема оплаты по мере использования: ее выбрали 35% организаций. Далее следуют возможности самообслуживания (25%), позволяющие минимизировать зависимость от ИТ-служб, а также легкость приобретения (14%). Кроме того, для 6% опрошенных фактором мотивации перехода в облако стала возможность избежать долгосрочных обязательств.

Облака в компаниях применяют в самых разных сценариях использования, но самые популярные среди них — решение задач аналитики, расширение инфраструктурных возможностей, а также задачи искусственного интеллекта и машинного обучения, которые быстро набирают популярность. Соответствующие технологии в компаниях применяются на повседневной основе: масштаб их использования в последнее время растет на 50-100% ежегодно. Около половины участников пользуются несколькими облачными решениями для интеграции данных. Наиболее популярные среди них — озера данных, ETL-конвейеры, хранилища данных и платформы объектного хранения.

Благодаря все более активному освоению облаков организации повышают степень автоматизации применяемых ими ИТ-процессов, они становятся более гибкими за счет широкого применения микросервисов и контейнеров. Половина опрошенных сообщили, что пользуются Docker для нужд автоматизации и обеспечения переносимости нагрузок. Стабильно растут масштабы внедрения решения для оркестрации контейнеров Kubernetes, так как оно значительно упрощает управление сотнями и тысячами микросервисов, функционирующими в локальных средах и различных облаках.

В рамках пилотного проекта специалисты «Норникеля» собрали в озеро данных показатели с технологических установок и HR-показатели. Блоки производства и HR были выбраны, чтобы оценить потенциал внедрения технологии в разные бизнес-функции. Прототип спроектирован как масштабируемая платформа и в перспективе позволит хранить и анализировать данные всей группы компаний, получая синергетический эффект при обогащении новыми данными существующих на предприятии цифровых моделей.

Одной из ключевых задач, стоящих перед металлургическими компаниями, является рост объемов производства и повышение качества продукции, в том числе, с помощью контроля отклонений технологических показателей и своевременного реагирования на изменения технологического режима. Для этого на оборудовании был реализован мониторинг качества производственных данных и показателей техпроцесса в режиме, близком к реальному времени. Ожидается, что в будущем это поможет снизить процент нарушений технологии и снять потребность в повторной переработке, позволит повысить скорость принятия решений и расширить возможности оптимизации производственных процессов в будущем. Дополнительно были проработаны бизнес-сценарии для других производственных процессов: повышение степени металлизации восстановительного обжига, качества флотационного разделения файнштейна и др.

Как отмечает Юрий Шеховцов, директор Центра цифровых технологий и данных «Норникеля», на предприятиях группы функционирует большое количество информационных и технологических систем, а также сложного оборудования, с которого можно собирать данные. Это дает широкий спектр возможностей для цифровой трансформации и применения инструментов big data и машинного обучения и, в итоге, – повышения эффективности и адаптивности компании. Разработанный прототип озера данных органично встроился в технологические процессы. Он позволил оценить в рамках пилота, что в будущем data lake поможет снизить риски выхода за технологические рамки продукции и повысить эффективность развития человеческого капитала в «Норникеле».

Развитие и вовлечение персонала – одна из наиболее важных целей, которые стоят перед любым предприятием. В эпоху цифровой трансформации приоритетность этой цели определяет дальнейший успех компании. Использование больших данных в рамках HR-направления позволяет решить несколько ключевых задач. В частности, оно обеспечивает минимизацию рисков невыполнения производственной программы и оптимизацию затрат на анализ персональных траекторий развития. В будущем система также поможет решить задачу стратегического HR-планирования на всех предприятиях «Норникеля».

Прототип озера данных в будущем может быть масштабирован до уровня единой цифровой платформы. Цель масштабирования при этом состоит не только в объединении самых разных типов данных, но и в организации единой точки доступа ко всем инструментам data science и машинного обучения. Это позволит получать бизнес-эффекты с помощью объединения информации из всех систем предприятия, а также благодаря синергетической работе существующих и будущих сервисов: цифровых двойников, математических моделей, систем-советчиков и других.

До начала реализации проекта у «Асконы» не было единых стандартов и процессов коммуникаций с клиентами в различных каналах, а сотрудники контакт-центра использовали несколько инструментов, что снижало скорость взаимодействия с покупателями. Новая платформа, построенная при помощи «Норбит», объединила каналы коммуникаций: телефонию, SMS, социальные сети, мессенджеры, электронную почту и другие. Такой подход повысил эффективность операционной деятельности, позволил сотрудникам отслеживать всю историю взаимодействия с клиентом, получать и оперативно транслировать покупателю актуальную информацию о состоянии и истории покупок клиента, начислений и списания баллов программы лояльности.

В 2021 году количество пользователей системы достигло 300 сотрудников. Ее возможности позволяют автоматически идентифицировать клиента по номеру телефона и предоставлять онлайн-консультацию по его обращениям и заказам. Благодаря запуску нового решения скорость обработки входящих запросов увеличилась на 30%, что существенно повысило качество обслуживания потребителей.

Чат-бот, доступный на сайте компании, а также в мессенджерах, помогает решать часть вопросов клиентов без привлечения операторов. Автоматизированный процесс обработки обращений включает единые правила регистрации и маршрутизации, с помощью которых обращения с определенными характеристиками попадают конкретным специалистам, качество работы которых непрерывно контролируется.

Важной частью нового продукта стала агрегация обратной связи, что позволяет обеспечить непрерывность изменений в рамках омниканального развития и улучшения качества сервиса.